假设无噪声的AR(1)过程y(t)= a*y(t-1)
。我有以下的概念问题,并且很乐意澄清。将数据拟合到线性模型中的问题
Q1 - 数学公式与实现之间的差异 - AR模型的数学公式为y(t) = - summmation over i=1 to p[a*y(t-p)] + eta(t)
,其中p =模型阶数,eta(t)
是白高斯噪声。但是在使用任何方法(如arburg()
或最小二乘法)估计系数时,我们只需调用该函数即可。我不知道是否隐式添加了白色高斯噪声。然后,当我们用估计的系数分解AR方程时,我已经看到负号不被考虑,也没有被添加噪声项。
什么是AR模型的正确表示方法?当我只有1000个数据点的单个样本时,如何在k个试验中找到平均系数?
Q2 - I嵌合的数据“数据”,从未知系统产生并由
load('data.txt');
for trials = 1:10
model = ar(data,1,'ls');
original_data=data;
fitted_data(i)=coeff1*data(i-1); % **OR**
data(i)=coeff1*data(i-1);
fitted_data=data;
residual= original_data - fitted_data;
plot(original_data,'r'); hold on; plot(fitted_data);
end
获得的系数在计算残余 - 在如何模拟fitted_data用于试验中的k数,然后找到残差编码问题是通过用所获得的系数来解析AR方程而获得的拟合数据, Matlab有这样做的功能,但我想做我自己的。那么,从原始数据中找出系数后,我该如何解决?上面的代码不正确。附加的是原始数据和fits_data的图。
配件数据来模拟一条通往黑暗面的道路,这是年轻人一个。相反,您应该尝试将模型拟合到您的数据中...... –
您发布的代码令人困惑,例如您在某个时间点使用索引i。请张贴matlab代码或解释您发布伪代码。 –